L'intelligence artificielle au service de la prédiction des vagues géantes

Les océans sont animés par de très grandes vagues imprévisibles et destructrices que l'instrumentation ne permet pas de mesurer complètement. Des chercheurs de l'Institut FEMTO-ST et leurs collègues finlandais étudient, en optique, des ondes extrêmes aux propriétés similaires. À l'aide de l'intelligence artificielle, ils ont identifié les caractéristiques spectrales pouvant être associées à leur émergence. Ces résultats, publiés dans la revue Nature Communications, pourraient être transposés à l'océanographie.


Les vagues scélérates sont des vagues de forte amplitude dont l'étude représente un pan majeur de l'océanographie. Cependant, leur occurrence imprévisible complique les mesures d'identification des conditions physiques sous-jacentes à leur apparition. Des chercheurs de l'Institut FEMTO-ST (CNRS / Université Bourgogne Franche-Comté) et de l'Université technologique de Tampere (Finlande) ont peut-être fait un pas majeur vers l'analyse et la prévisibilité de ces vagues extrêmes à partir d'études menées dans des fibres optiques. En effet, des ondes de lumière extrêmes, aux propriétés similaires à celles des vagues océaniques, peuvent apparaître lors de la propagation d'impulsions lasers intenses dans des systèmes de fibre optique.

À l'aide de milliers de simulations, les chercheurs ont formé un réseau de neurones artificiel afin d'identifier les propriétés des vagues optiques extrêmes dans le temps, et ce uniquement à partir de leur contenu spectral, plus facile à mesurer. Ainsi, l'intelligence artificielle a repéré avec précision des caractéristiques spectrales, invisibles à l'œil nu, pour prédire l'intensité maximale d'une onde scélérate. Ces travaux ouvrent la porte à une meilleure compréhension des phénomènes physiques associés à l'apparition d'ondes extrêmes ainsi qu'à leur prévisibilité. Au-delà d'une possible transposition à l'océanographie, ces résultats apportent également de nouvelles connaissances pour accélérer les phases de développement et de stabilisation de lasers à haute intensité conçus pour l'industrie.

Références publication:
Machine learning analysis of extreme events in optical fibre modulation instability,
M. Närhi, S. Salmela, J. Toivonen, C. Billet, J. M. Dudley, G. Genty
Nature Communications 9, 4923 (2018)
DOI: https://doi.org/10.1038/s41467-018-07355-y

Contact chercheur:
John Dudley – Institut Femto-ST